--- title: "Was sind synthetische Befragte? Definition, Anwendungsfälle, Genauigkeit" description: "Synthetische Befragte sind KI-Personas, die Forschungsfragen beantworten, als wären sie echte Mitglieder einer Zielgruppe. So funktionieren sie und hier passen sie." canonical_url: "https://getminds.ai/blog/de/what-are-synthetic-respondents" last_updated: "2026-05-20T17:16:34.023Z" --- # Was sind synthetische Befragte? Ein synthetischer Befragter ist eine KI-Persona, die von einem großen Sprachmodell generiert und auf demografische, psychografische und Verhaltensparameter konditioniert wurde, um Forschungsfragen zu beantworten, als wäre sie ein echtes Mitglied einer definierten Zielgruppe. In der traditionellen Forschung rekrutiert man 500 echte Menschen, sichtet sie, plant sie ein, führt die Umfrage durch, wartet auf die Ergebnisse, gewichtet die Daten und berichtet. Bei synthetischen Befragten beschreibt man die gewünschten 500 Menschen, die Plattform generiert sie, und man kann sie in Minuten befragen. Diese Methodik wird manchmal als 'silicon sampling', 'AI-Persona-Forschung', 'synthetische Umfrageforschung' oder einfach 'AI-Marktforschung' bezeichnet. Die atomare Einheit, das, was tatsächlich die Frage beantwortet, ist der synthetische Befragte. ## Wie ein synthetischer Befragter gebaut wird Ein synthetischer Befragter besteht aus drei Ebenen: **1. Ein fortschrittliches LLM.** GPT-Klasse, Claude-Klasse, Gemini-Klasse. Das Modell bietet die allgemeine Denk- und Sprachfähigkeit. **2. Persona-Konditionierung.** Demografische und psychografische Eingaben (Alter, Geografie, Haushalts-einkommen, Beruf, Einstellungen, Verhalten, vorherige Markenkontakte) binden das Modell an eine spezifische Identität. Stärkere Plattformen konditionieren auch auf Basis vorheriger realer Befragter-Daten für dieselbe Zielgruppe, sodass die Persona sich eher wie die Zielgruppe verhält und nicht wie ein generischer hilfreicher Assistent. **3. Ein Antwortprotokoll.** Einschränkungen, wie die Persona antwortet: Frageformat, Skala, Gesprächsstil, Umgang mit Folgefragen. Hier unterscheiden sich die Plattformen am meisten. Einige zwingen Befragte in starre quantitative Skalen, andere erlauben freie qualitative Antworten, die man wie ein echtes Interview thematisieren kann. Das Ergebnis ist ein Befragter, der Umfragefragen beantworten, auf Werbekreationen reagieren, an einer Fokusgruppe teilnehmen, ein Kaufszenario durchspielen oder in einem Forschungspanel für eine mehrwöchige Längsschnittstudie sitzen kann. ## Was einen synthetischen Befragten nützlich macht (im Gegensatz zu einem einfachen LLM-Wrapper) Die meisten Teams, die synthetische Befragte ausprobieren und wieder aufhören, haben nur einen dünnen Wrapper ausprobiert, geben einem LLM den Prompt "Sie sind ein 34-jähriger Marketingmanager" und stellen eine Frage. Das funktioniert für informelle Erkundungen, hält aber dem forschungsbasierten Prüfungsmaßstab nicht stand. Ein nützlicher synthetischer Befragter hat vier Eigenschaften: **Treue zu einer echten Zielgruppe.** Die Persona ist kalibriert auf Basis realer vorheriger Daten (ein Panel, ein CRM-Segment, eine Studie); nicht nur ein Jobtitel und ein Alter. **Uneinigkeit und Widerstand.** Echte Befragte sagen "Ich würde das nicht kaufen." Echte Befragte verstehen die Frage nicht. Echte Befragte ändern ihre Meinung nach einer Folgefrage. Ein Befragter, der immer zustimmt, ist ein Chatbot, kein Forschungsinstrument. **Zuverlässigkeitsscore.** Jede Antwort sollte mit einer internen Zuverlässigkeits- oder Übereinschätzung kommen, sodass man Antworten mit geringer Vertrauenswürdigkeit kennzeichnen kann. Wenn man jede Ausgabe als Evangelium behandelt, wird man irgendwann das Falsche glauben. **Reproduzierbarkeit.** Führe dieselbe Persona gegen denselben Stimulus morgen erneut durch und du solltest eine statistisch ähnliche Antwort erhalten, keine wild abweichende. Das macht synthetische Befragte überprüfbar. ## Was man einen synthetischen Befragten fragen kann Alles, was man einen echten Befragten aus derselben Zielgruppe fragen würde, mit einer Einschränkung: Die Frage muss allgemeines Denken mehr belohnen als einzigartige Lebenserfahrungen. Nützlich: - *"Welches dieser drei Produktkonzepte würden Sie in Betracht ziehen zu kaufen?"* - *"Was beunruhigt Sie an dieser Botschaft?"* - *"Erklären Sie mir, wie Sie diesen Anbieter bewerten würden."* - *"Was würde Sie dazu bringen, vom aktuellen Anbieter zu einem Wechsel zu übergehen?"* - *"Ist diese Werbekreation in irgendeiner Weise verwirrend?"* Weniger nützlich: - *"Erzählen Sie mir von dem spezifischen Moment, als Sie im letzten Sommer den Versicherungsanbieter gewechselt haben."* Der erste Satz bittet den Befragten, über Präferenzen, Reaktionen und Bewertungskriterien nachzudenken, was LLMs zuverlässig tun. Der zweite Satz fordert erfundene autobiografische Details, die LLMs halluzinieren. ## Synthetische Befragte vs. echte Befragte Der ehrliche Rahmen im Jahr 2026 ist **komplementär, nicht konkurrenzfähig.**
Dimension Synthetische Befragte Echte Befragte
Zeit je Studie Minuten bis Stunden 3 bis 6 Wochen
Kosten je Studie Abo-Kosten amortisiert Tausende bis Zehntausende
Iteration Kostenlos und sofort Jede Runde ist ein neues Feld
Schwer erreichbare Zielgruppen Einfach Oft unpraktisch
Statistische Validierung Nur Richtungsangaben Verteidigbare Bevölkerungs-schätzungen
Neues Verhaltensvorhersagen Unzuverlässig Echte Signale
Nuance der Lebenserfahrung Begrenzt Voll
Das Muster, das funktioniert: synthetische Befragte für die ersten 80 Prozent (Konzept-sichtung, Nachrichten-iteration, Segment-erforschung, Markt-vergleich), echte Befragte für die letzten 20 Prozent (Validierung, Hauptansprüche, regulatorisch oder PR-relevante Zahlen). Für eine detailliertere Genauigkeits-übersicht, siehe [synthetische vs. echte Befragte: wie sich die Genauigkeitslücke verhält](/blog/synthetic-vs-real-respondents-accuracy). ## Wie ein synthetisches Befragten-Panel aussieht Die meisten Teams verwenden synthetische Befragte in Gruppen, nicht einzeln. Ein typisches Panel: - 50 bis 500 Personas - Stratifiziert über die demografischen und Verhaltensparameter, die wichtig sind - Kalibriert auf Basis realer vorheriger Daten, wenn verfügbar - Durchgeführt gegen ein Forschungsinstrument (Umfrage, Konzepttest, Ad Vortest, Fokusgruppen-brief) - Ergebnis: strukturierte quantitative Daten plus offene qualitative Antworten Auf [Minds](/) ist das eine Ein-Bildschirm-Einrichtung. Man definiert die Zielgruppe, die Plattform generiert das Panel, und man befragt es wie ein Forschungsinstrument. ## Wann synthetische Befragte das falsche Werkzeug sind Drei Situationen, in denen synthetische Befragte ungeeignet sind: **Statistisch validierte Quant.** Alles, was man als "*X Prozent der erwachsenen US-Bevölkerung denkt Y*" verteidigen muss, erfordert echte Befragungen. **Echte neue Kategorien.** Produkte, Dienstleistungen oder Ereignisse, die im Trainingssatz des LLMs noch kein Analogon haben. Synthetische Befragte machen plausible Vermutungen, die keinen Hinweis enthalten. **Sensorische oder emotionale Reaktion.** Reaktionen auf eine TV-Werbung, ein Verpackungsdesign oder ein physisches Produkt erfordern echte menschliche Wahrnehmung. Synthetische Befragte können darüber nachdenken, aber sie können es nicht fühlen. ## Ersten Schritte Der schnellste Weg, um synthetische Befragte zu verstehen, ist, einen zu erstellen und eine Stunde lang zu befragen. [Starte ein kostenloses Minds-Konto](/), konfiguriere einen Befragten für deine Zielgruppe und stelle die Frage, die du seit drei Wochen in den Feldern stellen wolltest. Die Antwort wird wahrscheinlich nicht die endgültige Antwort sein, aber sie wird ein besserer Ausgangspunkt sein als alles, was du derzeit hast. Für die breitere Kategorie siehe [was ist synthetische Marktforschung](/blog/what-is-synthetic-market-research). Für die wissenschaftliche Grundlage siehe [silicon sampling](/blog/silicon-sampling).